导读:本文包含了加速失效模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,时间,经验,推断,数据,缺失,概率。
加速失效模型论文文献综述
康佩,许军,黄福强,刘颖欣,安胜利[1]（2019）在《Adaptive Elastic Net结合加速失效时间模型在亚组识别中的应用》一文中研究指出目的针对临床试验中的生存数据,基于加速失效时间模型提出一种亚组识别方法。方法将Adaptive Elastic Net应用于加速失效时间模型(称为惩罚模型),通过检验协变量与治疗组别的交互项来识别亚组相关协变量。采用基于极大似然的change-point算法寻找预测计分的截断点以对患者进行亚组分类。采用二阶段适应性设计,以评价治疗效果是否存在于所识别的获益亚组人群中。对比四种模型(含协变量主效应的惩罚模型、单变量模型,以及不含协变量主效应的惩罚模型、单变量模型)的亚组识别效果。结果模拟结果显示,在样本量较小、删失率较高、获益亚组占比较小以及样本量不超过协变量个数的情况下,含协变量主效应的惩罚模型在获益亚组的识别上有明显的优势;而其他情况下,则是不含主效应的单变量模型较优。在二阶段适应性设计中,这两种模型进行亚组识别的Ⅰ类错误均控制在0.05左右;当潜在获益亚组时,相比于传统设计,适应性设计很大程度上提高了检验效能。结论含协变量主效应的惩罚模型适用于生存数据的亚组识别;相比于传统设计,二阶段适应性设计更适用于潜在获益亚组的疗效评价。(本文来源于《南方医科大学学报》期刊2019年10期）
何其祥,林仁鑫[2]（2019）在《失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计》一文中研究指出本文在加速失效时间模型下,研究了竞争风险数据失效原因缺失情况下模型系数的估计问题。在随机缺失的假设下,利用倒概率加权和双重稳健增广技术构建估计方程,用非参数的核光滑方法估计失效原因缺失的概率。通过将估计方程转化成优化问题的方式,给出了求解估计方程的算法,研究了所提出估计量的渐近性质,通过随机模拟来评价估计量的表现,并将提出的估计方法用于研究实际的乳腺癌数据.(本文来源于《应用数学学报》期刊2019年03期）
陈舒琪[3]（2019）在《半参数加速失效时间混合治愈模型的构建及其在医学中的应用》一文中研究指出研究背景:随着医疗技术的进步和医疗质量的提升,“长期生存者”(Long-term Survivors)现象广泛存在于医学研究领域,即一部分观察对象,即使在随访时间充足的情况下也不会或者永远不会发生预期研究结局,通常表现为较长的删失时间,常见于肿瘤临床试验和其他慢性病研究中。而传统生存分析方法,如Cox回归、加速失效时间模型(Accelerated Failure Time Model,AFT)等,其应用前提为:所有观察对象在定义的充足随访时间内均会在某一时间点发生预期结局。因此,经典的生存分析方法并不适用于长期生存者资料的分析。目前,常用于分析该种类型资料的模型为混合治愈模型(Mixture Cure Model,MCM),其基本思想是将人群看成由治愈人群和非治愈人群两部分组成的混合人群,并分别用两个分模型去拟合分析,一般而言,前者用Logistic回归模型拟合,后者用不同的生存分析方法进行分析。其中,参数混合治愈模型(Parametric Mixture Cure Model)以及比例风险混合治愈模型(Proportional Hazard Mixture Cure Model,PHMC)应用较为广泛。然而,这两类模型均有无法避免的局限性:前者受限于生存时间分布的识别,后者虽为半参数模型,但要求生存资料必须满足比例风险(Proportional Hazard,PH)假定。近年来,在生存分析领域,半参数加速失效时间模型(Semiparametric Accelerated Failure Time Model)受到了广泛关注,该模型对生存时间分布无任何假定限制,同时对生存资料的适用性更为广泛,即不要求满足比例风险假定,且相较于Cox模型,更适用于高比例删失数据,被认为是Cox模型很好的替代分析方法。故构建基于半参数加速失效时间模型的混合治愈模型可以很好地拓展该类模型在长期生存者资料中的适用范围。此外,目前绝大多数生存分析方法研究仍基于Weibull分布或指数分布进行模拟研究,而在真实世界研究中,生存资料往往服从于混合分布,即由于受到某些因素的影响,人群的生存时间实际上服从两个或多个简单生存分布,表现为风险(Hazard Rate,HR)随时间波动,而并非呈现为单纯的单调递增,单调递减甚至保持不变。基于此,Crowther等人于2012年结合Bender等人的研究,将混合Weibull分布应用于模拟研究中,然而该方法仅适用于评估具有比例风险结构的模型,并不适用于加速失效时间模型。因此,研究适用于加速失效时间模型的复杂生存数据的模拟方法,构建基于半参数加速失效时间模型的混合治愈模型,以及探讨该模型在不同复杂程度的长期生存者资料中的适用性和可靠性具有很强的理论意义和实际价值。研究目的:本研究主要针对长期生存者资料,构建半参数加速失效时间混合治愈模型(Accelerated Failure Time Mixture Cure Model,AFTMC),并基于生存时间的不同分布情况,即Weibull分布和混合Weibull分布,通过模拟研究,评估比较四种常用的参数混合治愈模型与AFTMC在不同数据情境下的表现性能,同时将模型应用于实例研究中,以期为含有长期生存者的生存资料分析提供更多的方法学与技术支持。此外,提出一种生成服从混合分布且适用于加速失效时间模型的生存资料模拟方法,以期为生存资料模拟提供方法学支持。研究方法:本研究基于以上问题,主要采用数据模拟,模型构建,模型评估,实例应用这一流程来开展研究。数据模拟:采用蒙特卡罗(Monte Carlo)模拟方法随机生成两个自变量,一个为二分类变量,一个为连续性变量,而后分别基于Logistic回归模型和加速失效时间模型随机生成治愈指示变量Y和生存时间t,其中生存时间t考虑服从两种分布,即Weibull分布和混合Weibull分布。最后,结合所生成的删失时间,得到最终生存时间T和生存结局D,删失时间服从均匀分布,其分布范围由模拟迭代获得。此外,模拟研究还同时设置了不同的样本量:基于Weibull分布:200、500;基于混合Weibull分布:200、500、1000;不同的治愈率:0.2、0.4、0.6;不同的非治愈人群删失率:0.05和0.15,共计30种数据情境。模型构建及评估:本研究从准确性和精确性两方面比较AFTMC、指数混合治愈模型(Exponential Mixture Cure Model,EXPMC)、Weibull混合治愈模型(Weibull Mixture Cure Model,Web MC)、Lognormal混合治愈模型(Lognormal Mixture Cure Model,Log NMC)以及Loglogistic混合治愈模型(Loglogistic Mixture Cure Model,LLog MC)在不同数据情境下的表现性能。准确性主要基于相对偏倚(Relative Bias)和均方误差(Mean Squred Error,MSE)这两个指标,而精确性则主要利用标准误(Standard Error,SE)以及95%置信区间获得率(95%Confidence Interval(CI)Capture Rate)来评估。实例研究:实例数据来源于美国东部肿瘤协作组(Eastern Cooperative Oncology Group,ECOG)的两个临床试验,本研究通过分析高剂量干扰素IFN?-2b分别对恶性黑色素瘤患者疾病复发和生存的影响,比较不同混合治愈模型在实际研究中的分析效果。研究结果:模拟研究结果:基于Weibull分布:总体而言,Web MC和EXPMC在准确性和精确性方面均表现最好,其次为AFTMC,但与前两者相差不大,而后为Log NMC和LLog MC,表现最差,且与其他叁种模型相比,参数估计有明显差异。此外,随着非治愈人群删失率的升高,特别在小样本情况下,AFTMC相较于Web MC和EXPMC参数估计的差距逐渐减小,甚至会优于这两种模型,主要表现为治愈部分参数估计较小的相对偏倚,MSE以及标准误。而究其原因主要是因为Web MC和EXPMC的分布与模拟分布一致,而Log NMC以及LLog MC表现最差也源于其分布与模拟分布的不一致性。基于混合Weibull分布:总体而言,AFTMC无论基于准确性还是精确性维度,在所有数据情境中均远好于其他四种模型,其次为Web MC以及EXPMC,而LLog MC和Log NMC则表现最差,且这种优势在高删失率的情况下,即治愈率为0.6或非治愈人群删失率为0.15时更为明显。Web MC以及EXPMC仅在删失率较低,即治愈率为0.2或0.4且非治愈部分删失率为0.05时,模型的准确性和精确性表现均趋近于AFTMC。此外,基于模拟研究总体而言,样本量、治愈率以及非治愈部分删失率对模型的表现均有影响,尤其是对参数模型:1、随着治愈率的升高,非治愈部分参数估计的准确性和精确性稍许下降;2、随着非治愈部分删失率的升高,无论是非治愈部分还是治愈部分参数估计的准确性和精确性两方面均明显下降;3、随着样本量的升高,所有模型基于任何一个参数在每一个数据情境下的准确性和精确性均变好;4、当样本量较小,非治愈部分删失率较高时,参数模型治愈部分参数估计的MSE会出现异常庞大的数值,平均可达1000,且随着治愈率的升高,数值大幅增加。但这种情况并没有在AFTMC中出现;5、当样本量较小,治愈率为0.6,总删失率为0.75时,无论是AFTMC还是其他四种参数模型,模型拟合均不好。实例研究结果:本研究通过两个实例研究进一步评估和比较了AFTMC与四种参数模型的表现。实例一与实例二均来源于ECOG,实例一旨在探索高剂量干扰素IFN?-2b对恶性黑色素瘤患者生存的影响,而实例二旨在分析高剂量干扰素IFN?-2b对恶性黑色素瘤患者疾病复发的影响,且两者生存时间分布均服从混合Weibull分布。结果显示,高剂量干扰素IFN?-2b基于总生存期(Overall Survival,OS)是恶性黑色素瘤患者的保护因素(OR=0.188),即接受高剂量干扰素IFN?-2b治疗的试验组没有被治愈的概率为对照组的0.188倍,而高剂量干扰素IFN?-2b对恶性黑色素瘤患者疾病复发的影响没有统计学意义。此外,本研究在分析两个实例时,均利用AIC信息准则(Akaike Information Criterion,AIC)对模型进行了整体评估比较,其中AFTMC的AIC均最小,故模型拟合最好。研究结论:综上所述,AFTMC无论基于何种分布的长期生存者资料,其分析结果均具有良好的可信度和稳定性,且该模型相较于参数模型更适用于高删失率生存资料。此外,针对长期生存者资料本身而言,删失率大小对模型拟合,尤其是治愈部分参数估计的影响很大,而本研究所探索的模型均不适用于小样本且删失率较高的情况。(本文来源于《中国人民解放军海军军医大学》期刊2019-05-01）
董立健[4]（2019）在《相依区间删失下加速失效模型的研究》一文中研究指出在生物统计、生物医学、社会学等研究中,人们经常会遇到区间删失数据.目前已有不少文献研究了区间删失数据的回归分析问题,但大多数研究主要针对观测时间与失效时间独立的情形,而对二者相依的情形,研究则相对有限.在这篇论文中,我们在加速失效时间模型下,讨论了相依区间删失数据的回归分析问题.我们利用Copula函数方法刻画了失效时间与观测时间的关系,从而得到观测数据的似然函数,并利用样条函数逼近似然函数中的非参数项,从而得到了回归系数的极大似然估计.大量的模拟研究表明我们所提出的方法在有限样本下的表现不错,我们也将所提出的方法应用到了一组实际数据当中。(本文来源于《吉林大学》期刊2019-04-01）
吴丹高倩[5]（2018）在《右删失数据下加速失效时间模型的经验似然推断》一文中研究指出加速失效时间模型相较于比例危险模型在模型形式、对回归系数的解释等方面有着明显的优势,因此越来越受到医学、生物学、统计学、经济学等各领域的重视.近年来,对加速失效时间模型的适用条件、未知参数的估计及模型的预测和拟合等方面的研究成为国内外学者关注的热点,而如何对模型中的未知参数进行估计和推断是最重要的问题.在实际应用中,通常会出现一些不可观测的因素,可以考虑通过添加部分项构造部分加速失效时间模型来解决.经验似然是一种非参数方法,它不用对数据的分布函数做任何参数假定,用数据来确定置信区域的形状,并且不涉及任何方差估计.自Owen(1988)提出以来,该方法一直在统计推断中被得到广泛的应用.然而,在生存分析中由于观测时间的局限性,以及观测个体在开始或结束实验时存在差异性,经常会出现右删失数据,若直接使用删失数据来进行参数估计,不但计算成本高,而且预测效果很差.常用的方法是基于秩估计进行经验似然推断,但是该方法的算法较为繁琐,而且线性秩(特别是对数秩)估计函数的非单调性会限制估计方程在实际中的应用.因此考虑如何对右删失数据进行处理是研究加速失效时间模型的重要环节,对数据采用合适的补全方式,可以基于完整数据来建立结构简单、含义明确、预测精准的稳健模型.本文将数据转换法应用于存在右删失数据的加速失效时间模型中,通过经验似然法提高参数估计效率低的问题,并用构造调整因子的方法解决置信区间难以计算的问题,同时得到参数的渐近分布,最后进行随机模拟验证理论结果的正确性和有效性,同时将理论方法应用于实例分析中.论文的主要结构如下:第一章,首先简要概述本文的研究背景及意义.其次,根据已有的国内外相关文献,对加速失效时间模型、经验似然推断方法及合成数据进行系统的介绍.最后,概述论文的主要内容、重难点及创新点.第二章,基于右删失数据研究加速失效时间模型的参数估计及推断问题.首先,简要概述加速失效时间模型.其次,基于数据转换法对加速失效时间模型进行经验似然推断.然后对经验似然比统计量构造调整因子,对模型进行调整经验似然推断.最后,通过数值模拟及实例分析检验将数据转换法用于加速失效时间模型的可行性及用经验似然推断法对未知参数进行统计推断的合理性.第叁章,基于右删失数据研究部分加速失效时间模型的调整经验似然推断.首先,添加部分项建立部分加速失效时间模型.其次,构造经验似然比统计量以及调整因子,利用调整的经验似然法估计模型的未知参数,并计算其置信区间.然后证明调整经验似然比统计量的渐近分布及其相关定理.最后通过数值模拟验证调整经验似然法同样适用于部分加速失效时间模型的统计推断,并比较在不同的数据转换法下进行经验似然推断时的估计效果.第四章,对全文进行概括总结,并对加速失效时间模型未来的研究及发展趋势进行展望.(本文来源于《浙江财经大学》期刊2018-12-01）
邱旭春,Wataru,Tanoue,Takashi,Yanagawa,Yohei,Shimasak,吴向阳[6]（2018）在《基于加速失效时间模型的剂量-时间-效应关系的同步分析及污染物联合暴露中交互作用的量化分析》一文中研究指出研究背景:自然环境中通常包含种类繁多的有毒污染物质。尽管多数污染物自身的环境浓度低于其最大无毒性作用剂量,但是复合污染物的联合暴露却能产生显着的毒性效应。因此,环境中混合污染物的风险评估一直是广大研究者和相关监管机构极为关注的领域~([1])。数学模型是评估污染物联合毒性不可或缺的工具,然而,迄今为止仍缺少可直接量化混合污染物中各组分间交互作用的模型~([1,2])。加速失效(本文来源于《第二次全国计算毒理学学术会议暨中国毒理学会第一届计算毒理专业委员会第二次会议会议摘要》期刊2018-08-09）
陈晶[7]（2018）在《协变量缺失下加速失效时间模型的经验似然估计》一文中研究指出在临床试验和其他实际应用中,由于人为或一些客观原因常常造成数据存在缺失的情况。如果没有使用合适的统计方法,在结果方面可能会出现一些偏差,导致统计推断错误。近年来有统计学家及学者对缺失数据方面的研究进行了详细的讨论,而在加速失效时间模型下关于此类问题的研究却比较少。加速失效时间模型是生存分析中实用性很强、很有研究价值的一种的半参数模型,因此本文研究的主要课题是对以往研究成果的一种丰富。经验似然是一种有效的非参数统计推断方法,它在对所关心的参数做点估计和构造置信域估计时有很多突出的优点,被许多研究者应用到多个领域中。本文主要考虑加速失效时间模型在部分协变量随机缺失的情况下,对以下两方面做了细致的讨论:1)提出了IPW估计。若缺失概率为非参数模型,我们用核估计的方法对缺失概率来进行估计,但是如果遇到维数过高的情况,非参数估计会遭遇“维数灾难”,则我们让缺失概率为参数模型进行讨论,利用逆概率加权方法来构造估计方程。我们采用转化为最优化问题的方法去求估计方程的解,并得到了估计的渐近分布。2)提出了ELW估计。如果缺失概率大到一定程度时,逆概率加权方法不能完全地利用不完全数据中隐藏的有效信息,会损失一部分估计效率。所以我们采用经验似然加权的想法在此基础之上构造出新的权来提高估计的效率。并证明了ELW估计的渐近正态性。比较渐近方差,我们可以看出ELW估计比IPW估计更有效。通过数值模拟比较偏差和均方根误差,更加说明了ELW估计在有限样本下的表现好于IPW及CCA估计。本文主要讨论协变量缺失下加速失效时间模型的经验似然估计,框架如下:第一章,分析加速失效时间模型的研究情况,介绍缺失数据和经验似然方法的发展现状。第二章,在部分协变量随机缺失的加速失效时间模型下,首先介绍了回归参数的CCA估计,然后提出了逆概率加权(IPW)估计并给出了IPW估计的渐近分布,接着提出经验似然加权(ELW)估计,证明了ELW估计的渐近正态性。最后介绍了在求解时使用的MM算法。第叁章,数值模拟从偏差和均方根误差的角度来比较前面所述的估计。(本文来源于《长春工业大学》期刊2018-06-01）
姬丹丹[8]（2018）在《混合治愈加速失效时间模型与纵向测量的联合模型》一文中研究指出目前人们对比例风险模型的研究比较广泛,相应的结果也比较成熟.加速失效时间模型因为其模型形式直观、便于理解等优势,同时作为比例风险模型的一个很好的替代,吸引着大家的关注和研究.对于半参的加速失效时间模型许多学者通过秩方法和核方法进行研究.研究者发现通过共享的随机效应合理的建立联合模型,可以有效的减少由于测量误差和数据缺失,进行模型分开估计的偏差,联合模型开始引起人们的关注.随着医学的不断进步,许多之前被认为不可治愈的疾病,在经过良好的治疗和控制,存在一定的个体被治愈,表现为这些个体在一段时间不再复发可以正常的生活.我们需要知道个体被治愈比率和没有被治愈个体的生存函数,混合治愈模型可以很好解决这类问题.在这篇文章中,我在前人研究的基础上,将加速失效时间模型和纵向测量的联合模型中生存模型扩展成混合治愈模型,使得模型的运用范围更广.由于含有随机效应,且随机效应的后验分布表达特别复杂,我们通过蒙特卡洛积分近似似然函数的条件期望,最大化似然函数的条件期望,可以得到未知参数的估计.对于治愈率参数,在协变量取值为0或1时,可以对其条件期望关于两个参数分别求导,得到其显示解,这是这篇文献的一个小小创新点.对于基准风险函数参数的估计,我们考虑了两种情况,当基准风险函数为常数时,基准生存时间服从指数分布,这时模型变为参数模型,另一种情况,基准风险函数我们采用分段常数,这时我们需要知道基准生存时间,利用经验贝叶斯和当前参数的估计可以得到基准生存时间的估计.我们无法对似然函数的条件期望关于加速失效时间模型的中的参数β求导,无法得到准确的信息矩阵,对于方差的估计我们采用自助法.我们对上述两种情况都进行了仿真模拟.在实例分析中,我们对肝硬化病人关于是否进行强的松治疗的数据进行分析,我们的模型可以很好的捕获数据中包含的信息,数据来自于R语言的软件包.(本文来源于《大连理工大学》期刊2018-05-01）
郭来小[9]（2018）在《IGBT基于故障物理的失效分析及电子器件加速寿命模型的研究》一文中研究指出IGBT器件作为现在最热门的功率电子器件,以其优良的性能和高可靠性被广泛应用于各种军用和民用电子设备中。然而,由于我国目前研发能力有限,很多高精尖装备的IGBT器件只能从国外进口工业级产品,如何确保此类产品的有效性,以及提高国内IGBT产品的可靠性是亟需研究的问题。到目前为止,我国对IGBT的研究尚不够深入,如何准确高效地确定其失效机理和关键失效部位,如何建立准确的失效物理模型,如何对电子产品进行加速寿命试验并建立多应力下电子器件的加速寿命模型。这些都是我国研发高性能、高质量的IGBT过程中面临的关键问题。因此,对IGBT进行可靠性研究是十分有必要的。本文以航天功率电子器件IGBT为研究对象,对其开展了失效机理和关键失效部位的研究,建立了概率失效物理模型,并对双应力下电子器件的加速寿命模型进行了研究,本文的主要研究内容如下:(1)详细介绍功率电子器件IGBT的电气物理结构和机械结构,阐明IGBT的工作原理。首先通过文献调研和对IGBT工作原理的研究,确定温度是引起器件失效的主要原因;然后结合对IGBT动态电气模型进行的测试和对其机械封装结构进行的电-热-力耦合仿真,确定IGBT的关键失效部位。(2)除了外界工况环境,器件的各种内外在因素对器件的疲劳寿命都有不同程度的影响,例如器件键合处焊点的几何形状、材料的疲劳性能及热循环载荷的剖面等。将这些因素融入IGBT的疲劳寿命模型中,可以建立更为准确的疲劳寿命模型。本文在此基础上,基于贝叶斯更新理论对先验分布信息进行了更新,提出了更贴合实际的后验寿命分布,提高了疲劳寿命预测的准确性。(3)现代设备对电子器件的可靠性和寿命要求很高,所以对其进行加速寿命评估是十分必要的。本文首先介绍了目前对电子器件单一因素下加速寿命模型建立的流程。然后考虑到电子器件的贮存状态受到多种环境应力的影响,拟提出电子器件的湿-热加速寿命模型来评估其贮存使用寿命。最后研究求解加速寿命模型参数的方法,得到更加符合实际情况的加速寿命模型。(本文来源于《电子科技大学》期刊2018-03-01）
袁晓惠,陈晶[10]（2017）在《协变量缺失下加速失效时间模型基于经验似然的加权估计》一文中研究指出在部分协变量数据缺失的加速失效时间模型中,提出了参数的逆概率加权(IPW)估计和基于经验似然的加权(ELW)估计,证明了这两种估计的大样本性质.结果表明,ELW估计计算简单,且对回归参数的估计效率高于IPW估计.(本文来源于《东北师大学报(自然科学版)》期刊2017年04期）
加速失效模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文在加速失效时间模型下,研究了竞争风险数据失效原因缺失情况下模型系数的估计问题。在随机缺失的假设下,利用倒概率加权和双重稳健增广技术构建估计方程,用非参数的核光滑方法估计失效原因缺失的概率。通过将估计方程转化成优化问题的方式,给出了求解估计方程的算法,研究了所提出估计量的渐近性质,通过随机模拟来评价估计量的表现,并将提出的估计方法用于研究实际的乳腺癌数据.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
加速失效模型论文参考文献
[1].康佩,许军,黄福强,刘颖欣,安胜利.AdaptiveElasticNet结合加速失效时间模型在亚组识别中的应用[J].南方医科大学学报.2019
[2].何其祥,林仁鑫.失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计[J].应用数学学报.2019
[3].陈舒琪.半参数加速失效时间混合治愈模型的构建及其在医学中的应用[D].中国人民解放军海军军医大学.2019
[4].董立健.相依区间删失下加速失效模型的研究[D].吉林大学.2019
[5].吴丹高倩.右删失数据下加速失效时间模型的经验似然推断[D].浙江财经大学.2018
[6].邱旭春,Wataru,Tanoue,Takashi,Yanagawa,Yohei,Shimasak,吴向阳.基于加速失效时间模型的剂量-时间-效应关系的同步分析及污染物联合暴露中交互作用的量化分析[C].第二次全国计算毒理学学术会议暨中国毒理学会第一届计算毒理专业委员会第二次会议会议摘要.2018
[7].陈晶.协变量缺失下加速失效时间模型的经验似然估计[D].长春工业大学.2018
[8].姬丹丹.混合治愈加速失效时间模型与纵向测量的联合模型[D].大连理工大学.2018
[9].郭来小.IGBT基于故障物理的失效分析及电子器件加速寿命模型的研究[D].电子科技大学.2018
[10].袁晓惠,陈晶.协变量缺失下加速失效时间模型基于经验似然的加权估计[J].东北师大学报(自然科学版).2017
论文知识图
